REVISIÓN SISTEMÁTICA DE LITERATURA SOBRE TECNOLOGÍAS COMPUTACIONALES PARA LA EXTRACCIÓN DE IDEAS SUICIDAS DESDE TEXTOS ESCRITOS EN LENGUAJE NATURAL
El suicidio es una de las principales causas de muerte entre jóvenes y se ha agravado tras la pandemia del COVID-19. Este estudio realiza una revisión sistemática de literatura para identificar técnicas computacionales utilizadas en la detección de ideas suicidas en textos en lenguaje natural, aplic...
- Autores:
-
Gil Arias, Brahian Stiven
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2025
- Institución:
- Universidad Católica de Pereira
- Repositorio:
- Repositorio Institucional - RIBUC
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.ucp.edu.co:10785/16835
- Acceso en línea:
- https://hdl.handle.net/10785/16835
https://repositorio.ucp.edu.co/home
- Palabra clave:
- 2. Ingeniería y Tecnología::2B. Ingenierías Eléctrica, Electrónica e Informática::2B04. Ingeniería de sistemas y comunicaciones
Ideas Suicidas
Inteligencia Artificial
Revisión Sistemática de Literatura
Métodos Computacionales
Procesamiento de Lenguaje Natural
Suicidal Ideation
Artificial Intelligence
Systematic Literature Review
Computational Methods
Natural Language Processing
- Rights
- closedAccess
- License
- Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
| id |
RepoRIBUC2_f42ab893ea83072a86884778d2d182cf |
|---|---|
| oai_identifier_str |
oai:repositorio.ucp.edu.co:10785/16835 |
| network_acronym_str |
RepoRIBUC2 |
| network_name_str |
Repositorio Institucional - RIBUC |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
REVISIÓN SISTEMÁTICA DE LITERATURA SOBRE TECNOLOGÍAS COMPUTACIONALES PARA LA EXTRACCIÓN DE IDEAS SUICIDAS DESDE TEXTOS ESCRITOS EN LENGUAJE NATURAL |
| title |
REVISIÓN SISTEMÁTICA DE LITERATURA SOBRE TECNOLOGÍAS COMPUTACIONALES PARA LA EXTRACCIÓN DE IDEAS SUICIDAS DESDE TEXTOS ESCRITOS EN LENGUAJE NATURAL |
| spellingShingle |
REVISIÓN SISTEMÁTICA DE LITERATURA SOBRE TECNOLOGÍAS COMPUTACIONALES PARA LA EXTRACCIÓN DE IDEAS SUICIDAS DESDE TEXTOS ESCRITOS EN LENGUAJE NATURAL 2. Ingeniería y Tecnología::2B. Ingenierías Eléctrica, Electrónica e Informática::2B04. Ingeniería de sistemas y comunicaciones Ideas Suicidas Inteligencia Artificial Revisión Sistemática de Literatura Métodos Computacionales Procesamiento de Lenguaje Natural Suicidal Ideation Artificial Intelligence Systematic Literature Review Computational Methods Natural Language Processing |
| title_short |
REVISIÓN SISTEMÁTICA DE LITERATURA SOBRE TECNOLOGÍAS COMPUTACIONALES PARA LA EXTRACCIÓN DE IDEAS SUICIDAS DESDE TEXTOS ESCRITOS EN LENGUAJE NATURAL |
| title_full |
REVISIÓN SISTEMÁTICA DE LITERATURA SOBRE TECNOLOGÍAS COMPUTACIONALES PARA LA EXTRACCIÓN DE IDEAS SUICIDAS DESDE TEXTOS ESCRITOS EN LENGUAJE NATURAL |
| title_fullStr |
REVISIÓN SISTEMÁTICA DE LITERATURA SOBRE TECNOLOGÍAS COMPUTACIONALES PARA LA EXTRACCIÓN DE IDEAS SUICIDAS DESDE TEXTOS ESCRITOS EN LENGUAJE NATURAL |
| title_full_unstemmed |
REVISIÓN SISTEMÁTICA DE LITERATURA SOBRE TECNOLOGÍAS COMPUTACIONALES PARA LA EXTRACCIÓN DE IDEAS SUICIDAS DESDE TEXTOS ESCRITOS EN LENGUAJE NATURAL |
| title_sort |
REVISIÓN SISTEMÁTICA DE LITERATURA SOBRE TECNOLOGÍAS COMPUTACIONALES PARA LA EXTRACCIÓN DE IDEAS SUICIDAS DESDE TEXTOS ESCRITOS EN LENGUAJE NATURAL |
| dc.creator.fl_str_mv |
Gil Arias, Brahian Stiven |
| dc.contributor.advisor.none.fl_str_mv |
Blandón Andrade, Juan Carlos |
| dc.contributor.author.none.fl_str_mv |
Gil Arias, Brahian Stiven |
| dc.contributor.corporatename.none.fl_str_mv |
Universidad Católica de Pereira |
| dc.contributor.jury.none.fl_str_mv |
Toro Lazo, Alonso |
| dc.contributor.none.fl_str_mv |
Blandón Andrade, Juan Carlos |
| dc.subject.ocde.none.fl_str_mv |
2. Ingeniería y Tecnología::2B. Ingenierías Eléctrica, Electrónica e Informática::2B04. Ingeniería de sistemas y comunicaciones |
| topic |
2. Ingeniería y Tecnología::2B. Ingenierías Eléctrica, Electrónica e Informática::2B04. Ingeniería de sistemas y comunicaciones Ideas Suicidas Inteligencia Artificial Revisión Sistemática de Literatura Métodos Computacionales Procesamiento de Lenguaje Natural Suicidal Ideation Artificial Intelligence Systematic Literature Review Computational Methods Natural Language Processing |
| dc.subject.proposal.spa.fl_str_mv |
Ideas Suicidas Inteligencia Artificial Revisión Sistemática de Literatura Métodos Computacionales Procesamiento de Lenguaje Natural |
| dc.subject.proposal.eng.fl_str_mv |
Suicidal Ideation Artificial Intelligence Systematic Literature Review Computational Methods Natural Language Processing |
| description |
El suicidio es una de las principales causas de muerte entre jóvenes y se ha agravado tras la pandemia del COVID-19. Este estudio realiza una revisión sistemática de literatura para identificar técnicas computacionales utilizadas en la detección de ideas suicidas en textos en lenguaje natural, aplicando el método PRISMA y evaluando el sesgo con AMSTAR 2. Se analizaron 25 estudios extraídos de bases como Scopus, IEEE Xplore, ACM Digital Library, Springer y Web of Science, encontrando modelos basados en Transformers como BERT, combinaciones con redes CNN y LSTM, atención jerárquica, y técnicas como TF-IDF y embeddings preentrenados. Se destaca la eficacia de estos enfoques, aunque persisten limitaciones como la falta de diversidad lingüística y el predominio de datos de redes sociales. Los hallazgos evidencian el potencial del PLN en la prevención temprana del suicidio. |
| publishDate |
2025 |
| dc.date.accessioned.none.fl_str_mv |
2025-10-03T21:46:44Z |
| dc.date.available.none.fl_str_mv |
2025-10-03T21:46:44Z |
| dc.date.issued.none.fl_str_mv |
2025-05-30 |
| dc.type.none.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.coarversion.none.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.content.none.fl_str_mv |
Text |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
publishedVersion |
| dc.identifier.citation.none.fl_str_mv |
Gil Arias, B. (2025). REVISIÓN SISTEMÁTICA DE LITERATURA SOBRE TECNOLOGÍAS COMPUTACIONALES PARA LA EXTRACCIÓN DE IDEAS SUICIDAS DESDE TEXTOS ESCRITOS EN LENGUAJE NATURAL. Universidad Católica de Pereira. Disponible en: https://hdl.handle.net/10785/16835 |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/10785/16835 |
| dc.identifier.instname.none.fl_str_mv |
Universidad Católica de Pereira |
| dc.identifier.repourl.none.fl_str_mv |
https://repositorio.ucp.edu.co/home |
| identifier_str_mv |
Gil Arias, B. (2025). REVISIÓN SISTEMÁTICA DE LITERATURA SOBRE TECNOLOGÍAS COMPUTACIONALES PARA LA EXTRACCIÓN DE IDEAS SUICIDAS DESDE TEXTOS ESCRITOS EN LENGUAJE NATURAL. Universidad Católica de Pereira. Disponible en: https://hdl.handle.net/10785/16835 Universidad Católica de Pereira |
| url |
https://hdl.handle.net/10785/16835 https://repositorio.ucp.edu.co/home |
| dc.language.iso.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.none.fl_str_mv |
Centers for Disease Control and Prevention, “Suicide Data and Statistics | Suicide Prevention | CDC”, Centers for Disease Control and Prevention. Consultado: el 23 de abril de 2024. [En línea]. Disponible en: https://www.cdc.gov/suicide/suicide-data-statistics.html World Health Organization, Ed., Suicide worldwide in 2019. 2024. Consultado: el 6 de mayo de 2024. [En línea]. Disponible en: https://www.who.int/publications-detail-redirect/9789240026643 C. A. Longhurst, R. A. Harrington, y N. H. Shah, “Revista de Estudios de Juventud 121. Promoción de la salud y bienestar emocional en los adolescentes”, Health Aff. Proj. Hope, vol. 33, núm. 7, Art. núm. 7, jul. 2014, doi: 10.1377/hlthaff.2014.0099. S. C. Cañón Buitrago, J. A. Carmona Parra, S. C. Cañón Buitrago, y J. A. Carmona Parra, “Ideación y conductas suicidas en adolescentes y jóvenes”, Pediatría Aten. Primaria, vol. 20, núm. 80, Art. núm. 80, 2018. J. C. B. Andrade, “Aplicaciones del Procesamiento de Lenguaje Natural”, Entre Cienc. E Ing., vol. 16, núm. 31, Art. núm. 31, jul. 2022. C. A. Longhurst, R. A. Harrington, y N. H. Shah, “A ‘green button’ for using aggregate patient data at the point of care”, Health Aff. Proj. Hope, vol. 33, núm. 7, Art. núm. 7, jul. 2014, doi: 10.1377/hlthaff.2014.0099 C. A. Bejan et al., “Improving ascertainment of suicidal ideation and suicide attempt with natural language processing”, Sci. Rep., vol. 12, núm. 1, Art. núm. 1, sep. 2022, doi: 10.1038/s41598-022-19358-3. S. M. Blanca Casas y W. Guibert Reyes, “Identificación de indicadores suicidas en pacientes generales por la enfermera de atención primaria”, Rev. Cuba. Enferm., vol. 14, núm. 2, Art. núm. 2, ago. 1998. A. Tabares, C. Núñez, M. P. Osorio, y A. Aguirre, “Riesgo e Ideación Suicida y su Relación con la Impulsividad y la Depresión en Adolescentes Escolares”, Rev. Iberoam. Diagnóstico Eval. - E Aval. Psicológica, vol. 1, núm. 54, Art. núm. 54, 2020, Consultado: el 7 de mayo de 2024. [En línea]. Disponible en: https://www.redalyc.org/journal/4596/459664448014/html/ C. A. Longhurst, R. A. Harrington, y N. H. Shah, “Revista de Estudios de Juventud 121. Promoción de la salud y bienestar emocional en los adolescentes”, Health Aff. Proj. Hope, vol. 33, núm. 7, pp. 1229–1235, jul. 2014, doi: 10.1377/hlthaff.2014.0099. L. Cao, H. Zhang, y L. Feng, “Building and Using Personal Knowledge Graph to Improve Suicidal Ideation Detection on Social Media”, IEEE Trans. Multimed., vol. 24, pp. 87–102, Enero 2022, doi: 10.1109/TMM.2020.3046867. C. A. Bejan et al., “Improving ascertainment of suicidal ideation and suicide attempt with natural language processing”, Sci. Rep., vol. 12, núm. 1, p. 15146, sep. 2022, doi: 10.1038/s41598-022-19358-3. L. Cao, H. Zhang, y L. Feng, “Building and Using Personal Knowledge Graph to Improve Suicidal Ideation Detection on Social Media”, IEEE Trans. Multimed., vol. 24, pp. 87–102, 2022, doi: 10.1109/TMM.2020.3046867. R. Lozano et al., “Global and regional mortality from 235 causes of death for 20 age groups in 1990 and 2010: a systematic analysis for the Global Burden of Disease Study 2010”, The Lancet, vol. 380, núm. 9859, pp. 2095–2128, dic. 2012, doi: 10.1016/S0140-6736(12)61728-0. D. K. Eaton et al., “Youth risk behavior surveillance - United States, 2011”, Morb. Mortal. Wkly. Rep. Surveill. Summ. Wash. DC 2002, vol. 61, núm. 4, pp. 1–162, jun. 2012 Organización Panamericana de la Salud y Organización Panamericana de la Salud, “Prevención del suicidio: un imperativo global”, 2014, [En línea]. Disponible en: https://iris.paho.org/handle/10665.2/54141 S. Arilla-Andrés, C. García-Martínez, y Y. L.-D. Hoyo, “Detección del riesgo de suicidio a través de las redes sociales: Estudio piloto”, TECHNO Rev. Int. Technol. Sci. Soc. Rev. Rev. Int. Tecnol. Cienc. Soc., vol. 12, núm. 1, Art. núm. 1, dic. 2022, doi: 10.37467/revtechno.v11.4384 B. L. Cook, A. M. Progovac, P. Chen, B. Mullin, S. Hou, y E. Baca-Garcia, “Novel Use of Natural Language Processing (NLP) to Predict Suicidal Ideation and Psychiatric Symptoms in a Text-Based Mental Health Intervention in Madrid”, Comput. Math. Methods Med., vol. 2016, p. 8708434, 2016, doi: 10.1155/2016/8708434. C. Vidal, H.-J. Jun, y C. Latkin, “The Effects of Social Rank and Neighborhood and School Environment on Adolescent Depression and Suicidal Ideation: A Structural Equation Modeling Approach”, Child Psychiatry Hum. Dev., vol. 54, núm. 5, pp. 1425–1437, oct. 2023, doi: 10.1007/s10578-022-01347-2 T. Teismann, T. E. Joiner, M. Robison, y J. Brailovskaia, “Self-Burdensomeness, Self-Esteem and Suicidal Ideation”, Cogn. Ther. Res., vol. 48, núm. 3, pp. 398–405, jun. 2024, doi: 10.1007/s10608-024-10477-x B. Priyamvada et al., “Stacked CNN - LSTM approach for prediction of suicidal ideation on social media”, Multimed. Tools Appl., vol. 82, núm. 18, pp. 27883–27904, jul. 2023, doi: 10.1007/s11042-023-14431-z. A. A. Mandel, E. M. Kleiman, S. Johnson, M. L. Rogers, D. A. Jobes, y T. Joiner, “A test of invariance of the construct of suicidal ideation across three diverse samples”, J. Affect. Disord., vol. 329, pp. 124–130, may 2023, doi: 10.1016/j.jad.2023.02.055. M. F. Dobbs et al., “Linguistic correlates of suicidal ideation in youth at clinical high-risk for psychosis”, Lang. Speech Anal. Schizophr. Relat. Psychoses, vol. 259, pp. 20–27, sep. 2023, doi: 10.1016/j.schres.2023.03.014 A. M. Schoene, L. Bojanić, M. -Q. Nghiem, I. M. Hunt, y S. Ananiadou, “Classifying Suicide-Related Content and Emotions on Twitter Using Graph Convolutional Neural Networks”, IEEE Trans. Affect. Comput., vol. 14, núm. 3, pp. 1791–1802, sep. 2023, doi: 10.1109/TAFFC.2022.3221683. V. Rozova, K. Witt, J. Robinson, Y. Li, y K. Verspoor, “Detection of self-harm and suicidal ideation in emergency department triage notes”, J. Am. Med. Inform. Assoc. JAMIA, vol. 29, núm. 3, pp. 472–480, ene. 2022, doi: 10.1093/jamia/ocab261. S. Renjith, A. Abraham, S. B. Jyothi, L. Chandran, y J. Thomson, “An ensemble deep learning technique for detecting suicidal ideation from posts in social media platforms”, J. King Saud Univ. - Comput. Inf. Sci., vol. 34, núm. 10, Part B, pp. 9564–9575, nov. 2022, doi: 10.1016/j.jksuci.2021.11.010. R. Haque, N. Islam, M. Islam, y M. M. Ahsan, “A Comparative Analysis on Suicidal Ideation Detection Using NLP, Machine, and Deep Learning”, Technologies, vol. 10, núm. 3, Art. núm. 3, jun. 2022, doi: 10.3390/technologies10030057. A. C. de Oliveira, E. J. S. Diniz, S. Teixeira, y A. S. Teles, “How can machine learning identify suicidal ideation from user’s texts? Towards the explanation of the Boamente system”, Int. Soc. Res. Internet Interv. 11th Sci. Meet., vol. 206, pp. 141–150, ene. 2022, doi: 10.1016/j.procs.2022.09.093. M. Cusick et al., “Portability of natural language processing methods to detect suicidality from clinical text in US and UK electronic health records”, J. Affect. Disord. Rep., vol. 10, p. 100430, dic. 2022, doi: 10.1016/j.jadr.2022.100430. L. Cao, H. Zhang, y L. Feng, “Building and Using Personal Knowledge Graph to Improve Suicidal Ideation Detection on Social Media”, IEEE Trans. Multimed., vol. 24, pp. 87–102, 2022, doi: 10.1109/TMM.2020.3046867. C. A. Bejan et al., “Improving ascertainment of suicidal ideation and suicide attempt with natural language processing”, Sci. Rep., vol. 12, núm. 1, p. 15146, sep. 2022, doi: 10.1038/s41598-022-19358-3. V. Baby, D. Sudheshna, D. Sarvani, S. Vesangi, y S. R. Regatte, “An Integrated Approach for Suicidal Tendency Detection”, en 2022 4th International Conference on Advances in Computing, Communication Control and Networking (ICAC3N), dic. 2022, pp. 400–405. doi: 10.1109/ICAC3N56670.2022.10074359. S. Chancellor y M. De Choudhury, “Methods in predictive techniques for mental health status on social media: a critical review”, Npj Digit. Med., vol. 3, núm. 1, pp. 1–11, mar. 2020, doi: 10.1038/s41746-020-0233-7. D. Burgos, “Literature Review: Systematic Review”, en Rituals and Music in Europe, Springer, Cham, 2024, pp. 9–17. doi: 10.1007/978-3-031-54431-6_2. R. Lee, “Natural Language Processing”, en Natural Language Processing, Springer, Singapore, 2025, pp. 3–18. doi: 10.1007/978-981-96-3208-4_1. S. Henao H, V. Restrepo R, A. F. Alzate R, y C. M. González P, “Percepción sobre el acceso a los servicios de salud mental que tienen los residentes de tres municipios de Antioquia, 2004-2006”, Rev. Fac. Nac. Salud Pública, vol. 27, núm. 3, pp. 271–281, sep. 2009. B. L. Cook, A. M. Progovac, P. Chen, B. Mullin, S. Hou, y E. Baca-Garcia, “Novel Use of Natural Language Processing (NLP) to Predict Suicidal Ideation and Psychiatric Symptoms in a Text-Based Mental Health Intervention in Madrid”, Comput. Math. Methods Med., vol. 2016, p. 8708434, 2016, doi: 10.1155/2016/8708434 M. J. Page et al., “Declaración PRISMA 2020: una guía actualizada para la publicación de revisiones sistemáticas”, Rev. Esp. Cardiol., vol. 74, núm. 9, Art. núm. 9, 2021, doi: 10.1016/j.recesp.2021.06.016. “SJR : Scientific Journal Rankings”. Consultado: el 29 de mayo de 2024. [En línea]. Disponible en: https://www.scimagojr.com/journalrank.php “Data Mining & Analysis - Google Scholar-metrics”. Consultado: el 29 de mayo de 2024. [En línea]. Disponible en: https://scholar.google.com/citations?view_op=top_venues&hl=da&vq=eng_datamininganalysis B. J. Shea et al., “AMSTAR 2: a critical appraisal tool for systematic reviews that include randomised or non-randomised studies of healthcare interventions, or both”, BMJ, vol. 358, p. j4008, sep. 2017, doi: 10.1136/bmj.j4008. C. L. Montalván-Vélez, J. N. Mogrovejo-Zambrano, I. J. Romero-Vitte, y M. L. D. C. Pinargote-Carrera, “Introducción a la Inteligencia Artificial: Conceptos Básicos y Aplicaciones Cotidianas”, J. Econ. Soc. Sci. Res., vol. 4, núm. 1, Art. núm. 1, ene. 2024, doi: 10.55813/gaea/jessr/v4/n1/93. M. Martínez-Comesaña, X. Rigueira-Díaz, A. Larrañaga-Janeiro, J. Martínez-Torres, I. Ocarranza-Prado, y D. Kreibel, “Impacto de la inteligencia artificial en los métodos de evaluación en la educación primaria y secundaria: revisión sistemática de la literatura”, Rev. Psicodidáct., vol. 28, núm. 2, pp. 93–103, jul. 2023, doi: 10.1016/j.psicod.2023.06.001. S. H. A. Silviya, S. J. Faith, R. Seetha, y M. Hemalatha, “Performance Evaluation of Natural Language Processing Algorithms for Sentiment Analysis”, SN Comput. Sci., vol. 5, núm. 6, pp. 1–12, ago. 2024, doi: 10.1007/s42979-024-03094-8. D. Widdows, W. Aboumrad, D. Kim, S. Ray, y J. Mei, “Quantum Natural Language Processing”, KI - Künstl. Intell., vol. 38, núm. 4, pp. 293–310, dic. 2024, doi: 10.1007/s13218-024-00861-w. “Artificial Intelligence-based Natural Language Processing for sarcasm detection and classification on Arabic Corpus”, Alex. Eng. J., vol. 125, pp. 320–331, jun. 2025, doi: 10.1016/j.aej.2025.03.125. P. Jackson, “Book Review : The Oxford Handbook of Computational Linguistics”, vol. 30, núm. 1, pp. 103–106, 2004, doi: 10.1162/089120104773633411. T. Naeem, “Comprender los datos estructurados, semiestructurados y no estructurados”, Astera. Consultado: el 3 de junio de 2025. [En línea]. Disponible en: https://www.astera.com/es/type/blog/structured-semi-structured-and-unstructured-data/ A. Moreno, “Procesamiento del lenguaje natural ¿qué es? - IIC”, Instituto de Ingeniería del Conocimiento. Consultado: el 3 de junio de 2025. [En línea]. Disponible en: https://www.iic.uam.es/inteligencia/que-es-procesamiento-del-lenguaje-natural/ “Inteligencia artificial (IA): ¿Qué es y cómo nos ayuda?”, REPSOL. Consultado: el 3 de junio de 2025. [En línea]. Disponible en: https://www.repsol.com/es/energia-futuro/tecnologia-innovacion/inteligencia-artificial/index.cshtml “9 aplicaciones del procesamiento del lenguaje natural”. Consultado: el 3 de junio de 2025. [En línea]. Disponible en: https://www.educaopen.com/digital-lab/blog/inteligencia-artificial/aplicaciones-del-procesamiento-de-lenguaje-natural “Técnicas PLN: los métodos de procesamiento de lenguaje natural más poderosos”. Consultado: el 3 de junio de 2025. [En línea]. Disponible en: https://blog.pangeanic.com/es/tecnicas-pln-metodos-de-procesamiento-lenguaje-natura “Clasificación: Exactitud, recuperación, precisión y métricas relacionadas | Machine Learning”, Google for Developers. Consultado: el 21 de mayo de 2025. [En línea]. Disponible en: https://developers.google.com/machine-learning/crash-course/classification/accuracy-precision-recall?hl=es-419 M. Molina Arias, “Un intruso de otro mundo: F1-score.”, Rev. Electrónica AnestesiaR, vol. 16, núm. 4, p. 3, 2024. I. Sommerville 1951, M. I. Alfonso Galipienso tr, A. Botía Matínez, F. Mora Lizán, y J. P. Trigueros Jover, Ingeniería del software, 7a ed. Pearson Educación, 2006. [En línea]. Disponible en: https://go.exlibris.link/Tnt06Y9p H. Ordóñez, C. Pardo, y C. Cobos, “La Ingeniería del Software y del Conocimiento en la industria de Base Tecnológica Actual (JIISIC’2020)”, RISTI Rev. Ibérica Sist. E Tecnol. Informação, núm. E38, p. XI–XII, 2020. P. M. Gómez, C. Lázaro-Pérez, J. Á. Martínez-López, y J. Gómez-Galán, “Suicidal Ideation in Undergraduate Students of Social Work: A Quantitative Study”, J. New Approaches Educ. Res., vol. 12, núm. 2, pp. 360–377, jul. 2023, doi: 10.7821/naer.2023.7.1481. S. C. Cañón Buitrago, J. A. Carmona Parra, S. C. Cañón Buitrago, y J. A. Carmona Parra, “Ideación y conductas suicidas en adolescentes y jóvenes”, Pediatría Aten. Primaria, vol. 20, núm. 80, pp. 387–397, 2018. L. S. Rotenstein et al., “Prevalence of Depression, Depressive Symptoms, and Suicidal Ideation Among Medical Students”, JAMA, vol. 316, núm. 21, pp. 2214–2236, dic. 2016, doi: 10.1001/jama.2016.17324. W. Chae, E. Park, y S. Jang, “Suicidal ideation from parents to their children: An association between parent’s suicidal ideation and their children’s suicidal ideation in South Korea”, Compr. PSYCHIATRY, vol. 101, ago. 2020, doi: 10.1016/j.comppsych.2020.152181. G. Wagner et al., “Functional network alterations differently associated with suicidal ideas and acts in depressed patients: an indirect support to the transition model”, Transl. Psychiatry, vol. 11, p. 100, feb. 2021, doi: 10.1038/s41398-021-01232-x. C. Manterola, P. Astudillo, E. Arias, y N. Claros, “Revisiones sistemáticas de la literatura. Qué se debe saber acerca de ellas”, Cir. Esp., vol. 91, núm. 3, pp. 149–155, mar. 2013, doi: 10.1016/j.ciresp.2011.07.009. A. Liberati et al., “The PRISMA statement for reporting systematic reviews and meta-analyses of studies that evaluate healthcare interventions: explanation and elaboration”, BMJ, vol. 339, p. b2700, jul. 2009, doi: 10.1136/bmj.b2700. J. C. Blandón Andrade, A. Castaño Toro, A. Morales Ríos., y D. Orozco Ospina, “Computational Methods for Information Processing from Natural Language Complaint Processes-A Systematic Review”, Computers, vol. 14, núm. 1, 2025, doi: 10.3390/computers14010028. G. Scholar, “Data Mining & Analysis - Google Scholar Metrics”. Consultado: el 14 de mayo de 2022. [En línea]. Disponible en: https://scholar.google.es/citations?view_op=top_venues&hl=en&vq=eng_datamininganalysis S. J. & C. Rank, “SJR : Scientific Journal Rankings”. Consultado: el 14 de mayo de 2022. [En línea]. Disponible en: https://www.scimagojr.com/journalrank.php A. M. Schoene, A. P. Turner, G. D. Mel, y N. Dethlefs, “Hierarchical Multiscale Recurrent Neural Networks for Detecting Suicide Notes”, IEEE Trans. Affect. Comput., vol. 14, núm. 1, pp. 153–164, 2023, doi: 10.1109/TAFFC.2021.3057105. G. Xie-Yi, “Suicidal Ideation Detection and Influential Keyword Extraction from Twitter using Deep Learning (SID)”, EAI Endorsed Trans. Pervasive Health Technol., vol. 10, 2024, doi: 10.4108/eetpht.10.6042. A. Kumar, J. Kumari, y J. Pradhan, “Explainable Deep Learning for Mental Health Detection from English and Arabic Social Media Posts”, ACM Trans Asian Low-Resour Lang Inf Process, nov. 2023, doi: 10.1145/3632949. J. Li, “Legal information extraction and classification using BERT, Bi-LSTM, and CRF models”, J. Comput. Methods Sci. Eng., 2025, doi: 10.1177/14727978251323131. H. Yao, S. Rashidian, X. Dong, H. Duanmu, R. N. Rosenthal, y F. Wang, “Detection of Suicidality Among Opioid Users on Reddit: Machine Learning-Based Approach”, J. Med. INTERNET Res., vol. 22, núm. 11, p. e15293, nov. 2020, doi: 10.2196/15293. S. Anika, S. Dewanjee, y S. Muntaha, “Analyzing Multiple Data Sources for Suicide Risk Detection: A Deep Learning Hybrid Approach”, Int. J. Adv. Comput. Sci. Appl., vol. 15, núm. 2, pp. 675–683, 2024, doi: 10.14569/IJACSA.2024.0150270. P. Boonyarat, D. J. Liew, y Y.-C. Chang, “Leveraging enhanced BERT models for detecting suicidal ideation in Thai social media content amidst COVID-19”, Inf. Process. Manag., vol. 61, núm. 4, p. 103706, jul. 2024, doi: 10.1016/j.ipm.2024.103706. Ö. Ezerceli y R. Dehkharghani, “Mental disorder and suicidal ideation detection from social media using deep neural networks”, J. Comput. Soc. Sci., jul. 2024, doi: 10.1007/s42001-024-00307-1. A. Malhotra y R. Jindal, “XAI Transformer based Approach for Interpreting Depressed and Suicidal User Behavior on Online Social Networks”, Cogn. Syst. Res., vol. 84, p. 101186, mar. 2024, doi: 10.1016/j.cogsys.2023.101186. D. Kodati y R. Tene, “Emotion mining for early suicidal threat detection on both social media and suicide notes using context dynamic masking-based transformer with deep learning”, Multimed. Tools Appl., may 2024, doi: 10.1007/s11042-024-19411-5. M. U. Bokhari, G. Yadav, y M. Zeyauddin, “Exploring ensemble-based approaches for granular suicide risk assessment: a comprehensive framework in therapeutic informatics”, Int. J. Inf. Technol., jul. 2024, doi: 10.1007/s41870-024-02060-0. J. Gorai y D. K. Shaw, “A BERT-encoded ensembled CNN model for suicide risk identification in social media posts”, Neural Comput. Appl., vol. 36, núm. 18, pp. 10955–10970, jun. 2024, doi: 10.1007/s00521-024-09642-w. S. L. Mirtaheri, S. Greco, y R. Shahbazian, “A self-attention TCN-based model for suicidal ideation detection from social media posts”, Expert Syst. Appl., vol. 255, 2024, doi: 10.1016/j.eswa.2024.124855. S. Renjith, A. Abraham, S. B. Jyothi, L. Chandran, y J. Thomson, “An ensemble deep learning technique for detecting suicidal ideation from posts in social media platforms”, J. KING SAUD Univ.-Comput. Inf. Sci., vol. 34, núm. 10, pp. 9564–9575, nov. 2022, doi: 10.1016/j.jksuci.2021.11.010. A. M. Schoene, L. Bojanić, M.-Q. Nghiem, I. M. Hunt, y S. Ananiadou, “Classifying Suicide-Related Content and Emotions on Twitter Using Graph Convolutional Neural Networks”, IEEE Trans. Affect. Comput., vol. 14, núm. 3, pp. 1791–1802, jul. 2023, doi: 10.1109/TAFFC.2022.3221683. U. Ahmed, J. C.-W. Lin, y G. Srivastava, “Graph Attention Network for Text Classification and Detection of Mental Disorder”, ACM Trans Web, vol. 17, núm. 3, p. 19:1-19:31, may 2023, doi: 10.1145/3572406. R. Kancharapu y S. N. Ayyagari, “Suicidal ideation prediction based on social media posts using a GAN-infused deep learning framework with genetic optimization and word embedding fusion”, Int. J. Inf. Technol., vol. 16, núm. 4, pp. 2577–2593, abr. 2024, doi: 10.1007/s41870-023-01725-6. X. Xu et al., “Mental-LLM: Leveraging Large Language Models for Mental Health Prediction via Online Text Data”, Proc ACM Interact Mob Wearable Ubiquitous Technol, vol. 8, núm. 1, p. 31:1-31:32, mar. 2024, doi: 10.1145/3643540. H. Ghanadian, I. Nejadgholi, y H. A. Osman, “Socially Aware Synthetic Data Generation for Suicidal Ideation Detection Using Large Language Models”, IEEE Access, vol. 12, pp. 14350–14363, 2024, doi: 10.1109/ACCESS.2024.3358206. M. J. Vioulès, B. Moulahi, J. Azé, y S. Bringay, “Detection of suicide-related posts in Twitter data streams”, IBM J. Res. Dev., vol. 62, núm. 1, p. 7:1-7:12, 2018, doi: 10.1147/JRD.2017.2768678. M. Chatterjee, P. Kumar, y D. Sarkar, “Generating a Mental Health Curve for Monitoring Depression in Real Time by Incorporating Multimodal Feature Analysis Through Social Media Interactions”, Int. J. Intell. Inf. Technol., vol. 19, núm. 1, 2023, doi: 10.4018/IJIIT.324600. A. Belouali et al., “Acoustic and language analysis of speech for suicidal ideation among US veterans”, BIODATA Min., vol. 14, núm. 1, p. 11, feb. 2021, doi: 10.1186/s13040-021-00245-y. B. Priyamvada et al., “Stacked CNN-LSTM approach for prediction of suicidal ideation on social media”, Multimed. TOOLS Appl., vol. 82, núm. 18, pp. 27883–27904, jul. 2023, doi: 10.1007/s11042-023-14431-z. M. Qorich y R. El Ouazzani, “Advanced deep learning and large language models for suicide ideation detection on social media”, Prog. Artif. Intell., vol. 13, núm. 2, pp. 135–147, jun. 2024, doi: 10.1007/s13748-024-00326-z. M. Tlachac et al., “StudentSADD: Rapid Mobile Depression and Suicidal Ideation Screening of College Students during the Coronavirus Pandemic”, Proc ACM Interact Mob Wearable Ubiquitous Technol, vol. 6, núm. 2, p. 76:1-76:32, jul. 2022, doi: 10.1145/3534604. A. Pillai et al., “Investigating Generalizability of Speech-based Suicidal Ideation Detection Using Mobile Phones”, Proc ACM Interact Mob Wearable Ubiquitous Technol, vol. 7, núm. 4, p. 174:1-174:38, Enero 2024, doi: 10.1145/3631452. |
| dc.rights.license.none.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/closedAccess |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_14cb |
| rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) http://purl.org/coar/access_right/c_14cb |
| eu_rights_str_mv |
closedAccess |
| dc.format.extent.none.fl_str_mv |
47 |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidad Católica de Pereira |
| dc.publisher.faculty.none.fl_str_mv |
Facultad de Ciencias Básicas e Ingeniería |
| dc.publisher.place.none.fl_str_mv |
Pereira |
| dc.publisher.program.none.fl_str_mv |
Ingeniería de Sistemas y Telecomunicaciones |
| publisher.none.fl_str_mv |
Universidad Católica de Pereira |
| institution |
Universidad Católica de Pereira |
| bitstream.url.fl_str_mv |
https://repositorio.ucp.edu.co/bitstreams/1594549f-6b26-414b-85a8-a7d3a1b0d84d/download https://repositorio.ucp.edu.co/bitstreams/dc0962c2-e80b-4674-94fe-5e380464830d/download https://repositorio.ucp.edu.co/bitstreams/6d86af81-f079-4e69-9759-74c920db3487/download https://repositorio.ucp.edu.co/bitstreams/acd493a5-d58b-4347-9288-3e6e45e9fa3d/download |
| bitstream.checksum.fl_str_mv |
73a5432e0b76442b22b026844140d683 02d3d82884e546496c96f8f9b50c867c 7f8e021da9a7dd2faee0aae6d2c09bb7 b71dcb6aedccfbda71bbb9b88bafe626 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional de la Universidad Católica de Pereira - RIBUC |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1851054395520712704 |
| spelling |
Blandón Andrade, Juan CarlosBlandón Andrade, Juan Carlosvirtual::29-1Gil Arias, Brahian StivenUniversidad Católica de PereiraToro Lazo, Alonso2025-10-03T21:46:44Z2025-10-03T21:46:44Z2025-05-30Gil Arias, B. (2025). REVISIÓN SISTEMÁTICA DE LITERATURA SOBRE TECNOLOGÍAS COMPUTACIONALES PARA LA EXTRACCIÓN DE IDEAS SUICIDAS DESDE TEXTOS ESCRITOS EN LENGUAJE NATURAL. Universidad Católica de Pereira. Disponible en: https://hdl.handle.net/10785/16835https://hdl.handle.net/10785/16835Universidad Católica de Pereirahttps://repositorio.ucp.edu.co/homeEl suicidio es una de las principales causas de muerte entre jóvenes y se ha agravado tras la pandemia del COVID-19. Este estudio realiza una revisión sistemática de literatura para identificar técnicas computacionales utilizadas en la detección de ideas suicidas en textos en lenguaje natural, aplicando el método PRISMA y evaluando el sesgo con AMSTAR 2. Se analizaron 25 estudios extraídos de bases como Scopus, IEEE Xplore, ACM Digital Library, Springer y Web of Science, encontrando modelos basados en Transformers como BERT, combinaciones con redes CNN y LSTM, atención jerárquica, y técnicas como TF-IDF y embeddings preentrenados. Se destaca la eficacia de estos enfoques, aunque persisten limitaciones como la falta de diversidad lingüística y el predominio de datos de redes sociales. Los hallazgos evidencian el potencial del PLN en la prevención temprana del suicidio.Suicide is one of the leading causes of death among young people and has worsened since the COVID-19 pandemic. This study presents a systematic literature review aimed at identifying computational techniques used to detect suicidal ideation in natural language texts. The PRISMA method was applied, and bias was assessed using AMSTAR 2. A total of 25 studies from databases such as Scopus, IEEE Xplore, ACM Digital Library, Springer y Web of Science. were analyzed, revealing the use of Transformer-based models like BERT, combinations with CNN and LSTM networks, hierarchical attention mechanisms, and techniques such as TF-IDF and pre-trained embeddings. While the effectiveness of these approaches stands out, limitations persist, including the lack of linguistic diversity and the predominance of social media data. The findings highlight the potential of NLP for early suicide prevention but emphasize the need for more inclusive models that are understandable to non-technical.RESUMEN 11 1. INTRODUCCIÓN 12 2. PLANTEAMIENTO DEL PROBLEMA 13 3. DELIMITACIÓN 14 4. JUSTIFICACIÓN 15 5. OBJETIVOS 16 5.1 OBJETIVO GENERAL 16 5.2 OBJETIVOS ESPECÍFICOS 16 6. MARCO TEÓRICO 17 6.1 INTELIGENCIA ARTIFICIAL 17 6.1.1 Procesamiento de lenguaje natural 17 6.1.2 Métricas de rendimiento de modelos de inteligencia artificial 19 6.2 SOFTWARE 20 6.2.1 Ingeniería de software 20 6.3 IDEACIÓN SUICIDA 20 6.4 REVISIÓN SISTEMÁTICA DE LITERATURA 20 6.4.1 Método de revisión prisma 21 6.5 EVALUACIÓN DE LA CALIDAD METODOLÓGICA: AMSTAR 2 21 7. METODOLOGÍA 22 7.1 CRONOGRAMA 22 7.2 PRESUPUESTO 22 8. DESARROLLO DEL PROYECTO 24 8.1 MÉTODO DE INVESTIGACIÓN 24 8.2 ESTRUCTURA DE LA REVISIÓN SISTEMÁTICA 24 8.3 APLICACIÓN DEL MÉTODO PRISMA 25 8.3.1 Criterios de elegibilidad 25 8.3.2 Fuentes de información 25 8.3.3 Estrategia de búsqueda 25 8.3.4 Proceso de selección de los estudios 26 8.3.5 Proceso de extracción de los datos 26 8.3.6 Lista de los datos 26 8.3.7 Evaluación del riesgo de sesgo de los estudios individuales 26 8.3.8 Métodos de síntesis 26 8.3.9 Evaluación del sesgo en la publicación 26 9. ANÁLISIS DE RESULTADOS 28 9.1 SELECCIÓN DE LOS ESTUDIOS 28 9.1 CARACTERÍSTICAS DE LOS ESTUDIOS 28 9.2 TECNOLOGÍAS ENCONTRADAS 30 9.3 RIESGO DE SESGO DE LOS ESTUDIOS INDIVIDUALES 34 9.4 RESULTADO DE LOS ESTUDIOS INDIVIDUALES 34 9.5 RESULTADOS DE LA SÍNTESIS 37 9.6 SESGO DE LA PUBLICACIÓN 37 9.7 DISCUSIÓN 37 9.7.1 Síntesis de resultados 37 9.7.2 Limitaciones de los estudios 38 9.7.3 Limitaciones del proceso 38 9.7.4 Implicaciones y trabajo futuro 39 10. CONCLUSIONES 40 11. RECOMENDACIONES 41 REFERENCIAS 42 ANEXOS 47PregradoIngeniero de Sistemas y Telecomunicaciones47application/pdfspaUniversidad Católica de PereiraFacultad de Ciencias Básicas e IngenieríaPereiraIngeniería de Sistemas y TelecomunicacionesREVISIÓN SISTEMÁTICA DE LITERATURA SOBRE TECNOLOGÍAS COMPUTACIONALES PARA LA EXTRACCIÓN DE IDEAS SUICIDAS DESDE TEXTOS ESCRITOS EN LENGUAJE NATURALTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85Textinfo:eu-repo/semantics/bachelorThesishttp://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/publishedVersionAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)info:eu-repo/semantics/closedAccesshttp://purl.org/coar/access_right/c_14cbCenters for Disease Control and Prevention, “Suicide Data and Statistics | Suicide Prevention | CDC”, Centers for Disease Control and Prevention. Consultado: el 23 de abril de 2024. [En línea]. Disponible en: https://www.cdc.gov/suicide/suicide-data-statistics.htmlWorld Health Organization, Ed., Suicide worldwide in 2019. 2024. Consultado: el 6 de mayo de 2024. [En línea]. Disponible en: https://www.who.int/publications-detail-redirect/9789240026643C. A. Longhurst, R. A. Harrington, y N. H. Shah, “Revista de Estudios de Juventud 121. Promoción de la salud y bienestar emocional en los adolescentes”, Health Aff. Proj. Hope, vol. 33, núm. 7, Art. núm. 7, jul. 2014, doi: 10.1377/hlthaff.2014.0099.S. C. Cañón Buitrago, J. A. Carmona Parra, S. C. Cañón Buitrago, y J. A. Carmona Parra, “Ideación y conductas suicidas en adolescentes y jóvenes”, Pediatría Aten. Primaria, vol. 20, núm. 80, Art. núm. 80, 2018.J. C. B. Andrade, “Aplicaciones del Procesamiento de Lenguaje Natural”, Entre Cienc. E Ing., vol. 16, núm. 31, Art. núm. 31, jul. 2022.C. A. Longhurst, R. A. Harrington, y N. H. Shah, “A ‘green button’ for using aggregate patient data at the point of care”, Health Aff. Proj. Hope, vol. 33, núm. 7, Art. núm. 7, jul. 2014, doi: 10.1377/hlthaff.2014.0099C. A. Bejan et al., “Improving ascertainment of suicidal ideation and suicide attempt with natural language processing”, Sci. Rep., vol. 12, núm. 1, Art. núm. 1, sep. 2022, doi: 10.1038/s41598-022-19358-3.S. M. Blanca Casas y W. Guibert Reyes, “Identificación de indicadores suicidas en pacientes generales por la enfermera de atención primaria”, Rev. Cuba. Enferm., vol. 14, núm. 2, Art. núm. 2, ago. 1998.A. Tabares, C. Núñez, M. P. Osorio, y A. Aguirre, “Riesgo e Ideación Suicida y su Relación con la Impulsividad y la Depresión en Adolescentes Escolares”, Rev. Iberoam. Diagnóstico Eval. - E Aval. Psicológica, vol. 1, núm. 54, Art. núm. 54, 2020, Consultado: el 7 de mayo de 2024. [En línea]. Disponible en: https://www.redalyc.org/journal/4596/459664448014/html/C. A. Longhurst, R. A. Harrington, y N. H. Shah, “Revista de Estudios de Juventud 121. Promoción de la salud y bienestar emocional en los adolescentes”, Health Aff. Proj. Hope, vol. 33, núm. 7, pp. 1229–1235, jul. 2014, doi: 10.1377/hlthaff.2014.0099.L. Cao, H. Zhang, y L. Feng, “Building and Using Personal Knowledge Graph to Improve Suicidal Ideation Detection on Social Media”, IEEE Trans. Multimed., vol. 24, pp. 87–102, Enero 2022, doi: 10.1109/TMM.2020.3046867.C. A. Bejan et al., “Improving ascertainment of suicidal ideation and suicide attempt with natural language processing”, Sci. Rep., vol. 12, núm. 1, p. 15146, sep. 2022, doi: 10.1038/s41598-022-19358-3.L. Cao, H. Zhang, y L. Feng, “Building and Using Personal Knowledge Graph to Improve Suicidal Ideation Detection on Social Media”, IEEE Trans. Multimed., vol. 24, pp. 87–102, 2022, doi: 10.1109/TMM.2020.3046867.R. Lozano et al., “Global and regional mortality from 235 causes of death for 20 age groups in 1990 and 2010: a systematic analysis for the Global Burden of Disease Study 2010”, The Lancet, vol. 380, núm. 9859, pp. 2095–2128, dic. 2012, doi: 10.1016/S0140-6736(12)61728-0.D. K. Eaton et al., “Youth risk behavior surveillance - United States, 2011”, Morb. Mortal. Wkly. Rep. Surveill. Summ. Wash. DC 2002, vol. 61, núm. 4, pp. 1–162, jun. 2012Organización Panamericana de la Salud y Organización Panamericana de la Salud, “Prevención del suicidio: un imperativo global”, 2014, [En línea]. Disponible en: https://iris.paho.org/handle/10665.2/54141S. Arilla-Andrés, C. García-Martínez, y Y. L.-D. Hoyo, “Detección del riesgo de suicidio a través de las redes sociales: Estudio piloto”, TECHNO Rev. Int. Technol. Sci. Soc. Rev. Rev. Int. Tecnol. Cienc. Soc., vol. 12, núm. 1, Art. núm. 1, dic. 2022, doi: 10.37467/revtechno.v11.4384B. L. Cook, A. M. Progovac, P. Chen, B. Mullin, S. Hou, y E. Baca-Garcia, “Novel Use of Natural Language Processing (NLP) to Predict Suicidal Ideation and Psychiatric Symptoms in a Text-Based Mental Health Intervention in Madrid”, Comput. Math. Methods Med., vol. 2016, p. 8708434, 2016, doi: 10.1155/2016/8708434.C. Vidal, H.-J. Jun, y C. Latkin, “The Effects of Social Rank and Neighborhood and School Environment on Adolescent Depression and Suicidal Ideation: A Structural Equation Modeling Approach”, Child Psychiatry Hum. Dev., vol. 54, núm. 5, pp. 1425–1437, oct. 2023, doi: 10.1007/s10578-022-01347-2T. Teismann, T. E. Joiner, M. Robison, y J. Brailovskaia, “Self-Burdensomeness, Self-Esteem and Suicidal Ideation”, Cogn. Ther. Res., vol. 48, núm. 3, pp. 398–405, jun. 2024, doi: 10.1007/s10608-024-10477-xB. Priyamvada et al., “Stacked CNN - LSTM approach for prediction of suicidal ideation on social media”, Multimed. Tools Appl., vol. 82, núm. 18, pp. 27883–27904, jul. 2023, doi: 10.1007/s11042-023-14431-z.A. A. Mandel, E. M. Kleiman, S. Johnson, M. L. Rogers, D. A. Jobes, y T. Joiner, “A test of invariance of the construct of suicidal ideation across three diverse samples”, J. Affect. Disord., vol. 329, pp. 124–130, may 2023, doi: 10.1016/j.jad.2023.02.055.M. F. Dobbs et al., “Linguistic correlates of suicidal ideation in youth at clinical high-risk for psychosis”, Lang. Speech Anal. Schizophr. Relat. Psychoses, vol. 259, pp. 20–27, sep. 2023, doi: 10.1016/j.schres.2023.03.014A. M. Schoene, L. Bojanić, M. -Q. Nghiem, I. M. Hunt, y S. Ananiadou, “Classifying Suicide-Related Content and Emotions on Twitter Using Graph Convolutional Neural Networks”, IEEE Trans. Affect. Comput., vol. 14, núm. 3, pp. 1791–1802, sep. 2023, doi: 10.1109/TAFFC.2022.3221683.V. Rozova, K. Witt, J. Robinson, Y. Li, y K. Verspoor, “Detection of self-harm and suicidal ideation in emergency department triage notes”, J. Am. Med. Inform. Assoc. JAMIA, vol. 29, núm. 3, pp. 472–480, ene. 2022, doi: 10.1093/jamia/ocab261.S. Renjith, A. Abraham, S. B. Jyothi, L. Chandran, y J. Thomson, “An ensemble deep learning technique for detecting suicidal ideation from posts in social media platforms”, J. King Saud Univ. - Comput. Inf. Sci., vol. 34, núm. 10, Part B, pp. 9564–9575, nov. 2022, doi: 10.1016/j.jksuci.2021.11.010.R. Haque, N. Islam, M. Islam, y M. M. Ahsan, “A Comparative Analysis on Suicidal Ideation Detection Using NLP, Machine, and Deep Learning”, Technologies, vol. 10, núm. 3, Art. núm. 3, jun. 2022, doi: 10.3390/technologies10030057.A. C. de Oliveira, E. J. S. Diniz, S. Teixeira, y A. S. Teles, “How can machine learning identify suicidal ideation from user’s texts? Towards the explanation of the Boamente system”, Int. Soc. Res. Internet Interv. 11th Sci. Meet., vol. 206, pp. 141–150, ene. 2022, doi: 10.1016/j.procs.2022.09.093.M. Cusick et al., “Portability of natural language processing methods to detect suicidality from clinical text in US and UK electronic health records”, J. Affect. Disord. Rep., vol. 10, p. 100430, dic. 2022, doi: 10.1016/j.jadr.2022.100430.L. Cao, H. Zhang, y L. Feng, “Building and Using Personal Knowledge Graph to Improve Suicidal Ideation Detection on Social Media”, IEEE Trans. Multimed., vol. 24, pp. 87–102, 2022, doi: 10.1109/TMM.2020.3046867.C. A. Bejan et al., “Improving ascertainment of suicidal ideation and suicide attempt with natural language processing”, Sci. Rep., vol. 12, núm. 1, p. 15146, sep. 2022, doi: 10.1038/s41598-022-19358-3.V. Baby, D. Sudheshna, D. Sarvani, S. Vesangi, y S. R. Regatte, “An Integrated Approach for Suicidal Tendency Detection”, en 2022 4th International Conference on Advances in Computing, Communication Control and Networking (ICAC3N), dic. 2022, pp. 400–405. doi: 10.1109/ICAC3N56670.2022.10074359.S. Chancellor y M. De Choudhury, “Methods in predictive techniques for mental health status on social media: a critical review”, Npj Digit. Med., vol. 3, núm. 1, pp. 1–11, mar. 2020, doi: 10.1038/s41746-020-0233-7.D. Burgos, “Literature Review: Systematic Review”, en Rituals and Music in Europe, Springer, Cham, 2024, pp. 9–17. doi: 10.1007/978-3-031-54431-6_2.R. Lee, “Natural Language Processing”, en Natural Language Processing, Springer, Singapore, 2025, pp. 3–18. doi: 10.1007/978-981-96-3208-4_1.S. Henao H, V. Restrepo R, A. F. Alzate R, y C. M. González P, “Percepción sobre el acceso a los servicios de salud mental que tienen los residentes de tres municipios de Antioquia, 2004-2006”, Rev. Fac. Nac. Salud Pública, vol. 27, núm. 3, pp. 271–281, sep. 2009.B. L. Cook, A. M. Progovac, P. Chen, B. Mullin, S. Hou, y E. Baca-Garcia, “Novel Use of Natural Language Processing (NLP) to Predict Suicidal Ideation and Psychiatric Symptoms in a Text-Based Mental Health Intervention in Madrid”, Comput. Math. Methods Med., vol. 2016, p. 8708434, 2016, doi: 10.1155/2016/8708434M. J. Page et al., “Declaración PRISMA 2020: una guía actualizada para la publicación de revisiones sistemáticas”, Rev. Esp. Cardiol., vol. 74, núm. 9, Art. núm. 9, 2021, doi: 10.1016/j.recesp.2021.06.016.“SJR : Scientific Journal Rankings”. Consultado: el 29 de mayo de 2024. [En línea]. Disponible en: https://www.scimagojr.com/journalrank.php“Data Mining & Analysis - Google Scholar-metrics”. Consultado: el 29 de mayo de 2024. [En línea]. Disponible en: https://scholar.google.com/citations?view_op=top_venues&hl=da&vq=eng_datamininganalysisB. J. Shea et al., “AMSTAR 2: a critical appraisal tool for systematic reviews that include randomised or non-randomised studies of healthcare interventions, or both”, BMJ, vol. 358, p. j4008, sep. 2017, doi: 10.1136/bmj.j4008.C. L. Montalván-Vélez, J. N. Mogrovejo-Zambrano, I. J. Romero-Vitte, y M. L. D. C. Pinargote-Carrera, “Introducción a la Inteligencia Artificial: Conceptos Básicos y Aplicaciones Cotidianas”, J. Econ. Soc. Sci. Res., vol. 4, núm. 1, Art. núm. 1, ene. 2024, doi: 10.55813/gaea/jessr/v4/n1/93.M. Martínez-Comesaña, X. Rigueira-Díaz, A. Larrañaga-Janeiro, J. Martínez-Torres, I. Ocarranza-Prado, y D. Kreibel, “Impacto de la inteligencia artificial en los métodos de evaluación en la educación primaria y secundaria: revisión sistemática de la literatura”, Rev. Psicodidáct., vol. 28, núm. 2, pp. 93–103, jul. 2023, doi: 10.1016/j.psicod.2023.06.001.S. H. A. Silviya, S. J. Faith, R. Seetha, y M. Hemalatha, “Performance Evaluation of Natural Language Processing Algorithms for Sentiment Analysis”, SN Comput. Sci., vol. 5, núm. 6, pp. 1–12, ago. 2024, doi: 10.1007/s42979-024-03094-8.D. Widdows, W. Aboumrad, D. Kim, S. Ray, y J. Mei, “Quantum Natural Language Processing”, KI - Künstl. Intell., vol. 38, núm. 4, pp. 293–310, dic. 2024, doi: 10.1007/s13218-024-00861-w.“Artificial Intelligence-based Natural Language Processing for sarcasm detection and classification on Arabic Corpus”, Alex. Eng. J., vol. 125, pp. 320–331, jun. 2025, doi: 10.1016/j.aej.2025.03.125.P. Jackson, “Book Review : The Oxford Handbook of Computational Linguistics”, vol. 30, núm. 1, pp. 103–106, 2004, doi: 10.1162/089120104773633411.T. Naeem, “Comprender los datos estructurados, semiestructurados y no estructurados”, Astera. Consultado: el 3 de junio de 2025. [En línea]. Disponible en: https://www.astera.com/es/type/blog/structured-semi-structured-and-unstructured-data/A. Moreno, “Procesamiento del lenguaje natural ¿qué es? - IIC”, Instituto de Ingeniería del Conocimiento. Consultado: el 3 de junio de 2025. [En línea]. Disponible en: https://www.iic.uam.es/inteligencia/que-es-procesamiento-del-lenguaje-natural/“Inteligencia artificial (IA): ¿Qué es y cómo nos ayuda?”, REPSOL. Consultado: el 3 de junio de 2025. [En línea]. Disponible en: https://www.repsol.com/es/energia-futuro/tecnologia-innovacion/inteligencia-artificial/index.cshtml“9 aplicaciones del procesamiento del lenguaje natural”. Consultado: el 3 de junio de 2025. [En línea]. Disponible en: https://www.educaopen.com/digital-lab/blog/inteligencia-artificial/aplicaciones-del-procesamiento-de-lenguaje-natural“Técnicas PLN: los métodos de procesamiento de lenguaje natural más poderosos”. Consultado: el 3 de junio de 2025. [En línea]. Disponible en: https://blog.pangeanic.com/es/tecnicas-pln-metodos-de-procesamiento-lenguaje-natura“Clasificación: Exactitud, recuperación, precisión y métricas relacionadas | Machine Learning”, Google for Developers. Consultado: el 21 de mayo de 2025. [En línea]. Disponible en: https://developers.google.com/machine-learning/crash-course/classification/accuracy-precision-recall?hl=es-419M. Molina Arias, “Un intruso de otro mundo: F1-score.”, Rev. Electrónica AnestesiaR, vol. 16, núm. 4, p. 3, 2024.I. Sommerville 1951, M. I. Alfonso Galipienso tr, A. Botía Matínez, F. Mora Lizán, y J. P. Trigueros Jover, Ingeniería del software, 7a ed. Pearson Educación, 2006. [En línea]. Disponible en: https://go.exlibris.link/Tnt06Y9pH. Ordóñez, C. Pardo, y C. Cobos, “La Ingeniería del Software y del Conocimiento en la industria de Base Tecnológica Actual (JIISIC’2020)”, RISTI Rev. Ibérica Sist. E Tecnol. Informação, núm. E38, p. XI–XII, 2020.P. M. Gómez, C. Lázaro-Pérez, J. Á. Martínez-López, y J. Gómez-Galán, “Suicidal Ideation in Undergraduate Students of Social Work: A Quantitative Study”, J. New Approaches Educ. Res., vol. 12, núm. 2, pp. 360–377, jul. 2023, doi: 10.7821/naer.2023.7.1481.S. C. Cañón Buitrago, J. A. Carmona Parra, S. C. Cañón Buitrago, y J. A. Carmona Parra, “Ideación y conductas suicidas en adolescentes y jóvenes”, Pediatría Aten. Primaria, vol. 20, núm. 80, pp. 387–397, 2018.L. S. Rotenstein et al., “Prevalence of Depression, Depressive Symptoms, and Suicidal Ideation Among Medical Students”, JAMA, vol. 316, núm. 21, pp. 2214–2236, dic. 2016, doi: 10.1001/jama.2016.17324.W. Chae, E. Park, y S. Jang, “Suicidal ideation from parents to their children: An association between parent’s suicidal ideation and their children’s suicidal ideation in South Korea”, Compr. PSYCHIATRY, vol. 101, ago. 2020, doi: 10.1016/j.comppsych.2020.152181.G. Wagner et al., “Functional network alterations differently associated with suicidal ideas and acts in depressed patients: an indirect support to the transition model”, Transl. Psychiatry, vol. 11, p. 100, feb. 2021, doi: 10.1038/s41398-021-01232-x.C. Manterola, P. Astudillo, E. Arias, y N. Claros, “Revisiones sistemáticas de la literatura. Qué se debe saber acerca de ellas”, Cir. Esp., vol. 91, núm. 3, pp. 149–155, mar. 2013, doi: 10.1016/j.ciresp.2011.07.009.A. Liberati et al., “The PRISMA statement for reporting systematic reviews and meta-analyses of studies that evaluate healthcare interventions: explanation and elaboration”, BMJ, vol. 339, p. b2700, jul. 2009, doi: 10.1136/bmj.b2700.J. C. Blandón Andrade, A. Castaño Toro, A. Morales Ríos., y D. Orozco Ospina, “Computational Methods for Information Processing from Natural Language Complaint Processes-A Systematic Review”, Computers, vol. 14, núm. 1, 2025, doi: 10.3390/computers14010028.G. Scholar, “Data Mining & Analysis - Google Scholar Metrics”. Consultado: el 14 de mayo de 2022. [En línea]. Disponible en: https://scholar.google.es/citations?view_op=top_venues&hl=en&vq=eng_datamininganalysisS. J. & C. Rank, “SJR : Scientific Journal Rankings”. Consultado: el 14 de mayo de 2022. [En línea]. Disponible en: https://www.scimagojr.com/journalrank.phpA. M. Schoene, A. P. Turner, G. D. Mel, y N. Dethlefs, “Hierarchical Multiscale Recurrent Neural Networks for Detecting Suicide Notes”, IEEE Trans. Affect. Comput., vol. 14, núm. 1, pp. 153–164, 2023, doi: 10.1109/TAFFC.2021.3057105.G. Xie-Yi, “Suicidal Ideation Detection and Influential Keyword Extraction from Twitter using Deep Learning (SID)”, EAI Endorsed Trans. Pervasive Health Technol., vol. 10, 2024, doi: 10.4108/eetpht.10.6042.A. Kumar, J. Kumari, y J. Pradhan, “Explainable Deep Learning for Mental Health Detection from English and Arabic Social Media Posts”, ACM Trans Asian Low-Resour Lang Inf Process, nov. 2023, doi: 10.1145/3632949.J. Li, “Legal information extraction and classification using BERT, Bi-LSTM, and CRF models”, J. Comput. Methods Sci. Eng., 2025, doi: 10.1177/14727978251323131.H. Yao, S. Rashidian, X. Dong, H. Duanmu, R. N. Rosenthal, y F. Wang, “Detection of Suicidality Among Opioid Users on Reddit: Machine Learning-Based Approach”, J. Med. INTERNET Res., vol. 22, núm. 11, p. e15293, nov. 2020, doi: 10.2196/15293.S. Anika, S. Dewanjee, y S. Muntaha, “Analyzing Multiple Data Sources for Suicide Risk Detection: A Deep Learning Hybrid Approach”, Int. J. Adv. Comput. Sci. Appl., vol. 15, núm. 2, pp. 675–683, 2024, doi: 10.14569/IJACSA.2024.0150270.P. Boonyarat, D. J. Liew, y Y.-C. Chang, “Leveraging enhanced BERT models for detecting suicidal ideation in Thai social media content amidst COVID-19”, Inf. Process. Manag., vol. 61, núm. 4, p. 103706, jul. 2024, doi: 10.1016/j.ipm.2024.103706.Ö. Ezerceli y R. Dehkharghani, “Mental disorder and suicidal ideation detection from social media using deep neural networks”, J. Comput. Soc. Sci., jul. 2024, doi: 10.1007/s42001-024-00307-1.A. Malhotra y R. Jindal, “XAI Transformer based Approach for Interpreting Depressed and Suicidal User Behavior on Online Social Networks”, Cogn. Syst. Res., vol. 84, p. 101186, mar. 2024, doi: 10.1016/j.cogsys.2023.101186.D. Kodati y R. Tene, “Emotion mining for early suicidal threat detection on both social media and suicide notes using context dynamic masking-based transformer with deep learning”, Multimed. Tools Appl., may 2024, doi: 10.1007/s11042-024-19411-5.M. U. Bokhari, G. Yadav, y M. Zeyauddin, “Exploring ensemble-based approaches for granular suicide risk assessment: a comprehensive framework in therapeutic informatics”, Int. J. Inf. Technol., jul. 2024, doi: 10.1007/s41870-024-02060-0.J. Gorai y D. K. Shaw, “A BERT-encoded ensembled CNN model for suicide risk identification in social media posts”, Neural Comput. Appl., vol. 36, núm. 18, pp. 10955–10970, jun. 2024, doi: 10.1007/s00521-024-09642-w.S. L. Mirtaheri, S. Greco, y R. Shahbazian, “A self-attention TCN-based model for suicidal ideation detection from social media posts”, Expert Syst. Appl., vol. 255, 2024, doi: 10.1016/j.eswa.2024.124855.S. Renjith, A. Abraham, S. B. Jyothi, L. Chandran, y J. Thomson, “An ensemble deep learning technique for detecting suicidal ideation from posts in social media platforms”, J. KING SAUD Univ.-Comput. Inf. Sci., vol. 34, núm. 10, pp. 9564–9575, nov. 2022, doi: 10.1016/j.jksuci.2021.11.010.A. M. Schoene, L. Bojanić, M.-Q. Nghiem, I. M. Hunt, y S. Ananiadou, “Classifying Suicide-Related Content and Emotions on Twitter Using Graph Convolutional Neural Networks”, IEEE Trans. Affect. Comput., vol. 14, núm. 3, pp. 1791–1802, jul. 2023, doi: 10.1109/TAFFC.2022.3221683.U. Ahmed, J. C.-W. Lin, y G. Srivastava, “Graph Attention Network for Text Classification and Detection of Mental Disorder”, ACM Trans Web, vol. 17, núm. 3, p. 19:1-19:31, may 2023, doi: 10.1145/3572406.R. Kancharapu y S. N. Ayyagari, “Suicidal ideation prediction based on social media posts using a GAN-infused deep learning framework with genetic optimization and word embedding fusion”, Int. J. Inf. Technol., vol. 16, núm. 4, pp. 2577–2593, abr. 2024, doi: 10.1007/s41870-023-01725-6.X. Xu et al., “Mental-LLM: Leveraging Large Language Models for Mental Health Prediction via Online Text Data”, Proc ACM Interact Mob Wearable Ubiquitous Technol, vol. 8, núm. 1, p. 31:1-31:32, mar. 2024, doi: 10.1145/3643540.H. Ghanadian, I. Nejadgholi, y H. A. Osman, “Socially Aware Synthetic Data Generation for Suicidal Ideation Detection Using Large Language Models”, IEEE Access, vol. 12, pp. 14350–14363, 2024, doi: 10.1109/ACCESS.2024.3358206.M. J. Vioulès, B. Moulahi, J. Azé, y S. Bringay, “Detection of suicide-related posts in Twitter data streams”, IBM J. Res. Dev., vol. 62, núm. 1, p. 7:1-7:12, 2018, doi: 10.1147/JRD.2017.2768678.M. Chatterjee, P. Kumar, y D. Sarkar, “Generating a Mental Health Curve for Monitoring Depression in Real Time by Incorporating Multimodal Feature Analysis Through Social Media Interactions”, Int. J. Intell. Inf. Technol., vol. 19, núm. 1, 2023, doi: 10.4018/IJIIT.324600.A. Belouali et al., “Acoustic and language analysis of speech for suicidal ideation among US veterans”, BIODATA Min., vol. 14, núm. 1, p. 11, feb. 2021, doi: 10.1186/s13040-021-00245-y.B. Priyamvada et al., “Stacked CNN-LSTM approach for prediction of suicidal ideation on social media”, Multimed. TOOLS Appl., vol. 82, núm. 18, pp. 27883–27904, jul. 2023, doi: 10.1007/s11042-023-14431-z.M. Qorich y R. El Ouazzani, “Advanced deep learning and large language models for suicide ideation detection on social media”, Prog. Artif. Intell., vol. 13, núm. 2, pp. 135–147, jun. 2024, doi: 10.1007/s13748-024-00326-z.M. Tlachac et al., “StudentSADD: Rapid Mobile Depression and Suicidal Ideation Screening of College Students during the Coronavirus Pandemic”, Proc ACM Interact Mob Wearable Ubiquitous Technol, vol. 6, núm. 2, p. 76:1-76:32, jul. 2022, doi: 10.1145/3534604.A. Pillai et al., “Investigating Generalizability of Speech-based Suicidal Ideation Detection Using Mobile Phones”, Proc ACM Interact Mob Wearable Ubiquitous Technol, vol. 7, núm. 4, p. 174:1-174:38, Enero 2024, doi: 10.1145/3631452.2. Ingeniería y Tecnología::2B. Ingenierías Eléctrica, Electrónica e Informática::2B04. Ingeniería de sistemas y comunicacionesIdeas SuicidasInteligencia ArtificialRevisión Sistemática de LiteraturaMétodos ComputacionalesProcesamiento de Lenguaje NaturalSuicidal IdeationArtificial IntelligenceSystematic Literature ReviewComputational MethodsNatural Language ProcessingPublicationhttps://scholar.google.com/citations?hl=en&user=qbPhSmkAAAAJvirtual::29-10000-0003-1566-1832virtual::29-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001170503virtual::29-12a35c4b1-0908-4455-984d-3638d88c8106virtual::29-12a35c4b1-0908-4455-984d-3638d88c8106virtual::29-1LICENSElicense.txtlicense.txttext/plain; charset=utf-815543https://repositorio.ucp.edu.co/bitstreams/1594549f-6b26-414b-85a8-a7d3a1b0d84d/download73a5432e0b76442b22b026844140d683MD52ORIGINALDDMIST305DDMIST305application/pdf1085887https://repositorio.ucp.edu.co/bitstreams/dc0962c2-e80b-4674-94fe-5e380464830d/download02d3d82884e546496c96f8f9b50c867cMD51TEXTDDMIST305.txtDDMIST305.txtExtracted texttext/plain101665https://repositorio.ucp.edu.co/bitstreams/6d86af81-f079-4e69-9759-74c920db3487/download7f8e021da9a7dd2faee0aae6d2c09bb7MD53THUMBNAILDDMIST305.jpgDDMIST305.jpgGenerated Thumbnailimage/jpeg5985https://repositorio.ucp.edu.co/bitstreams/acd493a5-d58b-4347-9288-3e6e45e9fa3d/downloadb71dcb6aedccfbda71bbb9b88bafe626MD5410785/16835oai:repositorio.ucp.edu.co:10785/168352025-10-06 14:43:15.323restrictedhttps://repositorio.ucp.edu.coRepositorio Institucional de la Universidad Católica de Pereira - RIBUCbdigital@metabiblioteca.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 |